我读了https://en.wikipedia.org/wiki/Sobel_operator
说，我们要检测灰度图像中的水平边缘。
请注意 - 我写矩阵作为行的序列。
问题1）然后我应该取[1,0，-1; 2,0，-2; 1,0，-1]（来自G x =以上维基链接的矩阵* A）并且将其与给定图像进行卷积。 所以我会叠加[-1,0,1; -2,0,2; -1,0,1]（从矩阵的180度旋转获得）在每个像素上。
是吗？
问题2）假设图像是[a，b，c; d，X，f; g，h，i]，那么我将用-a + c-2d + 2f-g + i = Y来代替像素X.如果Y变成负值会怎么样？ （像素值不能为负）。
问题3）我可以通过应用sobel算子（不是将该输出矩阵作为图像渲染）后得到的矩阵来得出关于图像的特定像素的任何结论吗？
问题4）是否 - 取决于使用的矩阵 - 水平或垂直边缘将在输出图像中强调，但不是两者都是？
谢谢。sobel操作员如何工作
像素值不能为负数
现在好了就可以了，根据定义。使用偏移表示法可以很容易地看到（平坦=灰色，负=暗，正=明），使用2的补码表示法通常会使数学更容易（但看起来真的很糟糕，如果直接渲染会造成混淆）。无论哪种方式，如果你想使用相同的格式（听起来像你这样做，否则就没有问题），你还必须将结果夹紧和/或缩放到新的范围，因为在最糟糕的情况下，他们不会适合。自然图像中的大多数像素不会有很大的衍生物，因此钳位不会造成太大麻烦，但是否合适取决于您需要的信息。缩放会降低各处的小细节。
显然，如果您使用不同的目标格式（每个像素的位数多于源数据），那么首先这不是一个问题。如果你有一个8位输入，你可以将结果以一个有符号的16位格式存储，而不会有任何问题。
这是 - 根据使用的矩阵 - 水平或垂直边缘将强调在输出图像，但不是两个？
是的，但您可以通过获取梯度向量的长度来合并它们。这将在任何方向（不仅H或V，而且对角线和两者之间的角度）大致相等地处理边缘。您也可以将水平和垂直导数的绝对值相加，这是一种更简单的计算，但它将对角线边缘视为与直边不同。
1）对。 2）标志会告诉你边缘的极性;如果你想保持两个极性，取绝对值;否则只保留正面或负面部分。 3）边缘是滤波器响应高的地方。 4）右边，虽然一些斜边也是可见的。